Управление мобильными роботами с применением нейроморфных классификаторов

Управление мобильными роботами с применением нейроморфных классификаторов

Станкевич Лев Александрович
к.т.н., доцент, Санкт-Петербургский Политехнический университет Петра Великого (СПбПУ), доцент, 195251, Санкт-Петербург, ул. Политехническая, 29; Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК), в.н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, тЭтот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Журавская Анжелика
СПбПУ, старший преподаватель, 195251, Санкт-Петербург, ул. Политехническая, 29, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Материал поступил в редакцию 25 мая 2023 года.

Аннотация
В статье предлагается реализовать системы управления мобильными роботами на нейроморфных классификаторах, в которых биоподобные нейроны построены на оригинальной нейро-нечеткой модели, обученной отображению функции нейрона Ижикевича. Используя такой подход, разработаны нейроморфные классификаторы пространственных и пространственно-временных паттернов. Такие классификаторы были применены в системе бесконтактного супервизорного управления мобильным роботом. Эксперименты продемонстрировали эффективность применения нейроморфных классификаторов, как в нейроинтерфейсе при распознавании воображаемых супервизорных команд пользователя, так и при решении задач навигации робота в средах со статическими и динамическими препятствиями. При сравнительном анализе систем навигации, реализованных с использованием нейроморфных классификаторов, модульной нечеткой логики и адаптивной нейро-нечеткой системы ANFIS показано, что система с нейроморфными классификаторами дает самую высокую среднюю скорость движения робота, а также самое маленькое время прохождения пути. Эксперимент с применением нейроморфных классификаторов в системе управления по динамическим состояниям окружения показал, что робот успешно уклоняется от столкновений с человеком.

Ключевые слова
Биоподобный нейрон, нейроморфные системы, нейро-нечеткая модель, мобильный робот, состояние окружения, бесконтактное управление, нейроинтерфейс.

Благодарности
Исследование выполнено за счет гранта Российского научного фонда № 23-21-00287, https://rscf.ru/project/23-21-00287.

DOI
10.31776/RTCJ.12306

Индекс УДК 
004.896

Библиографическое описание
Станкевич Л.А. Управление мобильными роботами с применением нейроморфных классификаторов / Л.А. Станкевич, А. Журавская // Робототехника и техническая кибернетика. – Т. 12. - № 3. – Санкт-Петербург : ЦНИИ РТК. – 2024. – С. 212-221. – Текст : непосредственный.

Литература

  1. A Spiking Neural Network Sys-tem for Robust Sequence Recognition / Yu, Q. [et al.] // IEEE Trans. Neural Network Learn. Syst. 27, pp. 621–635 (2016). – URL: https://doi.org/10.1109/TNNLS.2015.2416771. – Text: electronic.
  2. Neuronal dynamics: From single neurons to networks and models of cognition / Gerstner W. [et al.] // Cambridge: Cambridge University Press, 2014. – 578 p. – Text: unmediated.
  3. Simple model of spiking neurons / Izhikevich E.M. [et al.] // IEEE Transactions on neural networks, 14(6):1569{1572, 2003. – Text: unmediated.
  4. Станкевич Л.А. Когнитивные системы и роботы: монография. – Изд-во Политехнического университета, СПб. 2019, 631 с. – Текст: непосредственный.
  5. Бахшиев А.В. Нейросетевые системы управления и обработки информации / А.В. Бахшиев, Л.А. Станкевич // Робототехника и техническая кибернетика. – Изд-во ЦНИИ РТК, 2014, №2(3). – С. 40-44. – Текст: непосредственный.
  6. Smolyakov Ivan. Development of spiking neural networks based on neuron model using neuro-fuzzy basis / Ivan Smolyakov, Lev Stankevich // Proceeding of conference “Cyber Physical Systems and Control”, Saint-Petersburg, 2021. – Text: unmediated.
  7. Якименко Г.К. Разработка системы навигации колесного мобильного робота с дифференциальным приводом в неизвестной статической среде с использованием нейро-нечеткого кластерного нейрона: магистерская диссертация / Г.К. Якименко: СПбПУ, 2023. – Текст: непосредственный.
  8. Гунделах Ф.В. Классификация пространственно-временных паттернов на основе нейроморфных сетей / Ф.В. Гунделах, Л.А. Станкевич // Информатика и автоматизация. 23, 2024. – URL: https://doi.org/10.15622/ia.2024.23.1.4. – Текст: непосредственный.
  9. Nilsson T. Kiks is a khepera simulator. Stockholm, Sweden: Umea University, 2001. – Text: unmediated.
  10. KheperaIII. User Manual. – URL: http://ftp.k-team.com/KheperaIII/UserManual/Kh3.Robot.UserManual.pdf (дата обращения: 25.05.2023). – Text: electronic.
  11. Пегат А. Нечеткое моделирование и управление. – М.: Бином. Лаборатория знаний, 2009. – 798 с. – Текст: непосредственный.
  12. Jyh-Shing J. ANFIS Adaptive-Network-based Fuzzy Inference System // IEEE Transactions on Systems Man and Cybernetics, 1993. – Text: unmediated.